基于超光谱遥感图像三维特征的压缩方法研究

论文题目: 基于超光谱遥感图像三维特征的压缩方法研究

论文类型: 博士论文

论文专业: 光学工程

作者: 张雷

导师: 黄廉卿

关键词: 超光谱遥感图像,图像压缩,三维预测,三维位平面变换

文献来源: 中国科学院研究生院（长春光学精密机械与物理研究所）

发表年度: 2005

论文摘要: 在对地遥感观测中,超光谱遥感图像是一种重要的数据源,在军民两方面都有广泛的应用。由于超光谱遥感图像的数据庞大,在存储和传输过程中必须进行压缩处理,而超光谱遥感图像作为三维立体图像不同于二维普通图像,其特点是:超光谱遥感图像同时具有空间相关性和谱间相关性,其中谱间相关性高于空间相关性。由于目前还没有形成一套成熟或标准的超光谱图像压缩技术,本文对超光谱遥感图像的压缩算法进行研究。首先介绍了针对超光谱图像的一般压缩算法,分别是变换压缩技术、矢量量化技术和预测编码技术三种。对几种典型无损压缩算法的压缩比进行比较,发现无损压缩时预测算法优于变换算法,但预测算法仅针对二维平面,去除三维相关性的能力有限,因此需要针对超光谱图像特点设计三维预测方法。将图像二维预测推广到三维预测时,通过借鉴去相关的各种方法,分别设计了三维最优组合预测,三维局部上下文预测和基于谱间上下文预测算法。其中最优组合预测方法,无需考虑谱内与谱间预测精度的不同,只要进行最优组合就有较高的预测精度,缺点是需要对谱内和谱间的预测误差进行统计,无法满足实时性要求;而采用局部上下文模型预测方法,进行三维预测时,势必要牺牲光谱维的预测精度,从而降低整体预测精度,使残差图像的行、列及谱间相关性较高,三维去相关能力有限;谱间上下文预测方法,针对超光谱图像谱间相关性强的特点,把谱间像素值作为预测基准值,通过考察与判断谱间变化趋势对预测基准值进行修正,设计的三种谱间上下文预测模型(谱间梯度、谱间增益、谱间LOCO-Ⅰ)的预测效果均好于局部三维上下文预测方法。其中谱间LOCO—Ⅰ预测算法继承了中值边界检测(MED)的优点,三维方向上去相关能力最佳。位平面变换是全新的变换技术,为克服谱间一维位平面变换时只在相邻像素值接近才会有去相关能力的缺点,本文提出了三维位平面变换算法,首先对位平面矩阵进行水平方向上的同或运算,然后再将所得到的矩阵进行垂直方向的同或运算,最后对空间位平面变换结束后所得到的变换矩阵还要进行谱间位平面变换。三维位平面变换与谱间位平面变换一样,易于硬件实现,位平面变换过程中所进行的运算为逻辑运算,各位的变换矩阵均可独立地进行运算和编码,具有并行性。

论文目录:

第一章绪论

1．1 成像光谱技术及超光谱图像压缩的重要意义

1．1．1 成像光谱技术

1．1．2 超光谱图像压缩的重要意义

1．2 超光谱图像特征

1．2．1 超光谱图像谱间相关性

1．2．2 超光谱图像空间相关性

1．3 论文的结构

第二章图像压缩理论及目前超光谱遥感图像的压缩方法

2．1 图像压缩技术

2．1．1 图像压缩的信息论基础

2．1．2 图像压缩的理论基础

2．2 图像压缩编码的常用技术与标准

2．2．1 常见的图像编码技术

2．2．2 图像编码标准

2．3 超光谱图像压缩技术

2．3．1 基于变换的压缩技术

2．3．2 基于矢量量化的压缩技术

2．3．3 基于预测的压缩技术

2．3．4 基于感兴趣区的压缩技术

2．4 几种主要无损压缩算法的比较

2．5 本章小节

第三章基于三维预测的压缩算法

3．1 三维最优组合预测算法

3．1．1 一维谱间DPCM预测方法

3．1．2 二维谱内图像预测方法

3．1．3 三维最优组合预测算法

3．2 局部三维上下文模型预测方法

3．2．1 对三维上下文预测模型的选择

3．2．2 三维梯度局部上下文预测算法

3．3 谱间上下文预测方法

3．3．1 谱间梯度预测方法

3．3．2 谱间增益预测方法

3．3．3 谱间LOCO-I预测方法

3．4 预测方法性能的比较

3．4．1 预测残差图像的行、列、谱间相关系数的比较

3．4．2 预测残差图像熵的比较

3．4．3 构造残差图像所需要时间的比较

3．4．4 预测方法比较的结论

3．5 三维预测算法的压缩过程

3．6 本章小节

第四章基于三维位平面变换无损压缩算法

4．1 超光谱图像位平面分析

4．1．1 图像位平面的概念

4．1．2 超光谱图像位平面的特点

4．2 基于谱间位平面变换压缩算法及存在的问题

4．2．1 谱间位平面变化压缩算法的主要思想

4．2．2 谱间位平面变换存在的问题

4．3 超光谱图像的三维位平面变换方法

4．3．1 异或和同或矩阵运算的性质

4．3．2 三维位平面变换方法

4．4 三维位平面变换算法的压缩过程

4．4．1 三维位平面变换的编码方案

4．4．2 三维位平面变换算法的压缩过程

4．5 实验结果与分析

4．5．1 图像熵的比较

4．5．2 压缩时间的比较

4．5．3 压缩比的比较

4．6 本章小节

第五章总结与展望

5．1 总结

5．1．1 主要的主要工作

5．1．2 研究成果与结论

5．1．3 主要创新点

5．2 展望

参考文献

在攻读博士学位期间发表的论文目录

致谢

作者简历

声明

发布时间: 2006-03-14

参考文献

[1].复杂场景下高分辨率遥感图像目标识别方法及应用研究[D]. 吴其昌.国防科学技术大学2016
[2].高分辨遥感图像统计处理及分析若干关键技术研究[D]. 倪维平.西安电子科技大学2016
[3].高分辨率光学遥感图像场景理解关键技术研究[D]. 姚西文.西北工业大学2016
[4].基于聚类分析的遥感图像分割方法[D]. 田丽华.吉林大学2018
[5].遥感图像高精度并行监督分类技术研究[D]. 蒋艳凰.国防科学技术大学2004
[6].基于结构模型的遥感图像军事阵地目标特征分析及其识别技术研究[D]. 陶午沙.国防科学技术大学2004
[7].基于小波域隐马尔可夫树模型的遥感图像纹理分类研究[D]. 彭玲.中国科学院研究生院（遥感应用研究所）2005
[8].超光谱遥感图像降维及分类方法研究[D]. 刘春红.哈尔滨工程大学2005
[9].基于遥感图像的重要目标特征提取与识别方法研究[D]. 张志龙.国防科学技术大学2005
[10].基于小波变换的空间遥感图像实时压缩方法研究[D]. 柯丽.中国科学院研究生院（长春光学精密机械与物理研究所）2005

基于超光谱遥感图像三维特征的压缩方法研究

猜你喜欢